python解释模型库Shap实现机器学习模型输出可视化

枫晴林

目录

• 安装所需的库
  
• 导入所需库
  
• 创建模型
  
• 创建可视化
  
  
  
  • 1、Bar Plot
    
  • 2、队列图
    
  • 3、热图
    
  • 4、瀑布图
    
  • 5、力图
    
  • 6、决策图
    
  
  

解释一个机器学习模型是一个困难的任务，因为我们不知道这个模型在那个黑匣子里是如何工作的。解释是必需的，这样我们可以选择最佳的模型，同时也使其健壮。
我们开始吧…

安装所需的库

使用pip安装Shap开始。下面给出的命令可以做到这一点。

1. pip install shap

复制代码

导入所需库

在这一步中，我们将导入加载数据、创建模型和创建该模型的可视化所需的库。

1. df = pd.read_csv('/content/Diabetes.csv')features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age']Y = df['Outcome']X =  df[features]X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234)xgb_model = xgb.XGBRegressor(random_state=42)xgb_model.fit(X_train, Y_train)

复制代码

创建模型

在这一步中，我们将创建机器学习模型。在本文中，我将创建一个XGBoost模型，但是你可以选择任何模型。我们将用于此模型的数据集是著名的糖尿病数据集，可从Kaggle下载。

1. df = pd.read_csv('/content/Diabetes.csv')features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age']Y = df['Outcome']X =  df[features]X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234)xgb_model = xgb.XGBRegressor(random_state=42)xgb_model.fit(X_train, Y_train)

复制代码

创建可视化

现在我们将为shap创建解释程序，找出模型的shape值，并使用它们创建可视化效果。

1. explainer = shap.Explainer(xgb_model)shap_values = explainer(X_test)

复制代码

1、Bar Plot

1. shap.plots.bar(shap_values, max_display=10)

复制代码

2、队列图

1. shap.plots.bar(shap_values.cohorts(2).abs.mean(0))

复制代码

3、热图

1. shap.plots.heatmap(shap_values[1:100])

复制代码

4、瀑布图

1. shap.plots.waterfall(shap_values[0]) # For the first observation

复制代码

5、力图

1. shap.initjs()explainer = shap.TreeExplainer(xgb_model)shap_values = explainer.shap_values(X_test)def p(j):    return(shap.force_plot(explainer.expected_value, shap_values[j,:], X_test.iloc[j,:]))p(0)

复制代码

6、决策图

1. shap_values = explainer.shap_values(X_test)[1]print("The expected value is ", expected_value)print("The final prediction is ", xgb_model.predict(X_test)[1])shap.decision_plot(expected_value, shap_values, X_test)

复制代码

这就是如何使用 Shap 创建与机器学习模型相关的可视化并对其进行分析。
以上就是python解释模型库Shap实现机器学习模型输出可视化的详细内容，更多关于python解释模型库Shap模型输出可视化的资料请关注脚本之家其它相关文章！

来源：http://www.jb51.net/article/229904.htm
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！